Java：使用异步编程优化应用程序

Question

我必须修改一个dropwizard应用程序以缩短其运行时间。基本上，此应用程序每天接收大约300万个URL，然后下载并解析它们以检测恶意内容。问题在于该应用程序只能处理100万个URL。当我查看该应用程序时，发现它正在进行许多顺序调用。我想对如何通过使其异步或其他技术来改进应用程序提出一些建议。

所需代码如下：-

/* Scheduler */
private long triggerDetection(String startDate, String endDate) {
for (UrlRequest request : urlRequests) {
                if (!validateRequests.isWhitelisted(request)) {
                    ContentDetectionClient.detectContent(request);
                }
            }
}

/* Client */
public void detectContent(UrlRequest urlRequest){
        Client client = new Client();
        URI uri = buildUrl(); /* It returns the URL of this dropwizard application's resource method provided below */

        ClientResponse response = client.resource(uri)
                .type(MediaType.APPLICATION_JSON_TYPE)
                .post(ClientResponse.class, urlRequest);

        Integer status = response.getStatus();
        if (status >= 200 && status < 300) {
            log.info("Completed request for url: {}", urlRequest.getUrl());

        }else{
            log.error("request failed for url: {}", urlRequest.getUrl());
        }
    }

    private URI buildUrl() {
        return UriBuilder
                .fromPath(uriConfiguration.getUrl())
                .build();
    }

/* Resource Method */
 @POST
    @Path("/pageDetection")
    @Consumes(MediaType.APPLICATION_JSON)
    @Produces(MediaType.APPLICATION_JSON)
    /**
     * Receives the url of the publisher, crawls the content of that url, applies a detector to check if the content is malicious.
     * @returns returns the probability of the page being malicious
     * @throws throws exception if the crawl call failed
     **/
    public DetectionScore detectContent(UrlRequest urlRequest) throws Exception {

        return contentAnalysisOrchestrator.detectContentPage(urlRequest);
    }

/* Orchestrator */
public DetectionScore detectContentPage(UrlRequest urlRequest) {
        try {

            Pair<Integer, HtmlPage> response =  crawler.rawLoad(urlRequest.getUrl());
            String content =   response.getValue().text();

            DetectionScore detectionScore = detector.getProbability(urlRequest.getUrl(), content);
            contentDetectionResultDao.insert(urlRequest.getAffiliateId(), urlRequest.getUrl(),detectionScore.getProbability()*1000,
                    detectionScore.getRecommendation(), urlRequest.getRequestsPerUrl(), -1, urlRequest.getCreatedAt() );

            return detectionScore;

        } catch (IOException e) {
            log.info("Error while analyzing the url : {}", e);
            throw new WebApplicationException(e, Response.Status.INTERNAL_SERVER_ERROR);
        }
    }

我在考虑以下方法：

• 我orchestrator.detectContent(urlRequest)直接通过调度程序调用，而不是通过POST调用dropwizard资源方法。

• 协调器可以返回detectionScore，我将所有的detectScores存储在地图/表中，并执行批处理数据库插入，而不是像当前代码中那样单独插入。

我想对以上方法以及可能改善运行时间的其他技术发表一些意见。另外，我只是阅读了Java异步编程，但是似乎无法理解如何在上面的代码中使用它，因此也希望对此有所帮助。

谢谢。

编辑：我可以想到两个瓶颈：

• 网页下载
• 将结果插入数据库（数据库位于另一个系统中）
• 似乎处理一次执行1个URL

系统具有8 GB的内存，其中4 GB似乎是可用的

$ free -m
             total       used       free     shared    buffers     cached
Mem:          7843       4496       3346          0        193       2339
-/+ buffers/cache:       1964       5879 
Swap:         1952        489       1463

CPU使用率也最小：

top - 13:31:19 up 19 days, 15:39,  3 users,  load average: 0.00, 0.00, 0.00
Tasks: 215 total,   1 running, 214 sleeping,   0 stopped,   0 zombie
Cpu(s):  0.5%us,  0.0%sy,  0.0%ni, 99.4%id,  0.1%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:   8031412k total,  4605196k used,  3426216k free,   198040k buffers
Swap:  1999868k total,   501020k used,  1498848k free,  2395344k cached

Answer 1

受到Davide的（伟大）答案的启发，这是一个示例，一种使用简单反应（我写的我的库）并行化此方法的简便方法。请注意，使用客户端来驱动服务器上的并发性稍有不同。

例

LazyReact streamBuilder = new LazyReact(15,15);

streamBuilder.fromIterable(urlRequests)
      .filter(urlReq->!validateRequests.isWhitelisted(urlReq))
      .forEach(request -> {
           ContentDetectionClient.detectContent(request);
       });

说明

看起来您可以从客户端驱动并发。这意味着您可以在服务器端的线程之间分配工作，而无需执行其他工作。在此示例中，我们发出了15个并发请求，但您可以将其设置为接近服务器可以处理的最大值。您的应用程序是IO绑定，因此您可以使用很多线程来提高性能。

简单反应可作为期货之源。因此，在这里我们为对ContentDetection客户端的每次调用创建一个异步任务。我们有15个可用线程，因此可以一次对服务器进行15次调用。

Java 7

Java的JDK
8功能有一个反向移植，称为StreamSupport，您也可以通过RetroLambda反向移植Lambda表达式。

为了用CompletableFutures实现相同的解决方案，我们可以为每个合格的URL创建一个Future Task。 更新
我认为我们不需要批处理它们，我们可以使用执行器来限制活跃期货的数量。我们只需要在最后加入所有这些。

   Executor exec = Executors.newFixedThreadPool(maxActive);//15 threads
   List<CompletableFuture<Void>> futures= new ArrayList<>();

   for (UrlRequest request : urlRequests) {
            if (!validateRequests.isWhitelisted(request)) {
                futures.add(CompletableFuture.runAsync(()->ContentDetectionClient.detectContent(request), exec));
            }
        }
 CompletableFuture.allOf(futures.toArray())
                      .join();